《表2 配准耗时及准确率实验结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习理论的红外和可见光图像配准》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为进一步验证该方法在配准精度及耗时方面性能，采用基于非抽样双树复小波域的配准方法和基于显著性的配准方法为该方法对比方法，利用采集到的图像展开图像配准性能验证实验，每组图像重复10次实验，图像配准耗时和准确率实验结果如表2所示。从表2数据可以看出，相较于基于非抽样双树复小波域的配准方法和基于显著性的配准方法，本文方法耗时较少，平均耗时仅为242 ms，并且正确配准的匹配点数量最大值可达29个，配准精度均值高达92.8%，另外2种方法的配准精度分别为77.5%、67.6%。究其根本原因在于，该方法充分用利用人工免疫网络算法自身实数编码以及自动调节群体数量特点，在处理函数优化问题时，可快速获取近似全局最优解，因此该方法在获取高配准精度的同时所需时间较少、配准效率较高。